CN116222593A - 一种露天矿区地图众包采集及构建装置 - Google Patents

一种露天矿区地图众包采集及构建装置 Download PDF

Info

Publication number
CN116222593A
CN116222593A CN202310234273.1A CN202310234273A CN116222593A CN 116222593 A CN116222593 A CN 116222593A CN 202310234273 A CN202310234273 A CN 202310234273A CN 116222593 A CN116222593 A CN 116222593A
Authority
CN
China
Prior art keywords
map
acquisition
data
vehicle
boundary
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310234273.1A
Other languages
English (en)
Inventor
韩蕾
王思嘉
席鹏
刘星
周泰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Tage Idriver Technology Co Ltd
Original Assignee
Beijing Tage Idriver Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Tage Idriver Technology Co Ltd filed Critical Beijing Tage Idriver Technology Co Ltd
Priority to CN202310234273.1A priority Critical patent/CN116222593A/zh
Publication of CN116222593A publication Critical patent/CN116222593A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3844—Data obtained from position sensors only, e.g. from inertial navigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Abstract

本发明公开了一种露天矿区地图众包采集及构建装置，包括：云平台‑高精地图服务装置用于进行地图采集任务的构建及下发，以及对众包地图采集车的生产任务状态及地图采集状态进行监测，接收车载‑高精地图采集构建装置上传的全量或增量地图数据；车载‑高精地图采集构建装置接收众包地图采集车的激光雷达点云数据、组合惯导数据，依次进行时间同步、点云语义分割、坐标转换、点云栅格化、生成灰度图、边界提取、增量数据判断以及轻量级地图压缩，将边界数据上传至所述云平台‑高精地图服务装置；众包地图采集车搭载车载‑高精地图采集构建装置，在露天矿区进行生产作业及地图数据采集。该装置的地图采集及构建方式简单、高效、模式多、实时性好。

Description

一种露天矿区地图众包采集及构建装置
技术领域
本发明涉及自动驾驶车辆感知建图领域，特别是涉及一种应用于露天矿区无人运输系统的高精地图众包采集及构建装置。
背景技术
高精度地图是露天矿山无人运输系统有效运行的基础数据保障。露天矿具备工作区域变化快，道路拓扑相对简单、结构特征单一，边界构成元素繁杂等特点，其环境特征及应用特性对地图采集制作技术提出了特定的技术要求与更高的效率要求。
中国发明专利CN111443360A公开了一种矿区无人驾驶系统道路边界自动采集装置和识别方法，主要提供了一种通过地图数据处理平台接收车载计算机系统传送的位置数据和点云数据，提取并生成增量式矢量地图的方法。中国发明专利CN113008247A公开了一种用于矿区的高精地图构建方法及装置，主要提供了一种通过对激光几何特征及图像可行驶区域信息进行融合从而实现道路边缘点检测的地图构建方法。但是上述专利采集模式单一，实时性差。
此外，现有技术至少还存在如下问题：(1)专业地图采集车采集地图成本高并且周期长，单一地图采集模式及采集车辆不适用于道路频繁更新且作业任务密集的矿区场景；(2)增量地图数据判断形式单一，只能通过工程设备作业任务先验条件作为判断逻辑，不能实时有效的识别因多元复杂因素导致地图变化而自动触发的对增量数据进行检测识别；(3)增量地图生成模块部署在云端，车端将繁多的点云数据、位置数据直接上传，在网络带宽有限的条件下，不能实现车-云之间的增量数据轻量级传输。
发明内容
鉴于此，本发明提供一种露天矿区地图众包采集及构建装置，简单、高效、模式多元、实时性好。本发明采用如下技术方案：
一种露天矿区地图众包采集及构建装置，包括云平台-高精地图服务装置、车载-高精地图采集构建装置、众包地图采集车；
所述云平台-高精地图服务装置用于进行地图采集任务的构建及下发，以及对所述众包地图采集车的生产任务状态及地图采集状态进行监测，接收所述车载-高精地图采集构建装置上传的全量或增量地图数据，实现新版全量地图数据及增量数据与原有地图数据的融合与替代，并根据高精地图消费端需求进行地图数据定向传输；
所述车载-高精地图采集构建装置接收所述众包地图采集车的激光雷达和组合惯导采集的激光雷达点云数据、组合惯导数据，依次进行时间同步、点云语义分割、坐标转换、点云栅格化、生成灰度图、边界提取、增量数据判断以及轻量级地图压缩，将边界数据上传至所述云平台-高精地图服务装置；
所述众包地图采集车搭载所述车载-高精地图采集构建装置，在露天矿区进行生产作业及地图数据采集。
进一步，所述众包地图采集车包括推土机、挖掘机和矿卡：
(1)推土机，用于修整排土工作线、清理装载区，采集排土场内最新的边界信息数据；
(2)挖掘机，用于采掘、装载矿石或岩土，采集装载区内最新的边界信息数据；
(3)矿卡，用于在无人驾驶作业区内进行运输作业，采集无人驾驶作业区内最新的边界信息数据。
进一步，所述云平台-高精地图服务装置包括如下模块：
(1)生产作业任务状态监测模块，对推土机、挖掘机的工程作业任务及矿卡的运输任务进行目标读取与状态监控，为采集业务构建模块提供作业区域、作业时间、作业车辆、作业状态数据信息；
(2)地图采集状态监测模块，对地图采集车辆的采集状态信息进行监测，提供采集开始时间、车辆位置信息、采集状态数据信息；
(3)采集业务构建模块，进行地图采集任务及模式设定，完成采集任务构建及下发；
(4)高精地图存储及管理模块，接收所述车载-高精地图采集构建装置上传的全量或增量地图数据，实现新版全量地图数据及增量数据与原有地图数据的有效融合与替代，进行终版地图数据的版本生成与管理；
(5)高精地图服务模块，根据高精地图消费端需求，将指定版本地图数据向消费端完成地图数据定向传输。
进一步，所述采集业务构建模块的采集任务触发形式有两种：
a、工程作业任务触发：根据推土机、挖掘机的工程作业调度任务，自行匹配工程车量的作业时间及区域，自动进行采集区域、采集时间及采集车辆设定，当工程作业车辆响应工程作业任务时，自动触发地图采集业务构建；
b、区域众包任务触发：人工圈定目标采集区域，设定采集车辆、采集时间、采集模式，采集业务构建模块依据设定生成地图采集电子围栏区域，待车辆途径电子围栏设定区域时，平台自动下发地图采集开始指令；车辆驶离电子围栏后，平台自动下发地图采集结束指令，车载-高精地图采集构建装置自动上传增量地图数据。
进一步，所述采集模式包括以下两种模式：
a、增量采集模式：地图采集车进行日常工程作业或运输作业时，根据地图采集任务触发进行常态化地图构建与增量数据判断，当车载高精地图采集构建装置识别出部分区域存在道路边界发生变化时，将增量数据包进行上传，同时记录对应的采集车辆、采集时间、采集区域数据信息；
b、全量采集模式：地图采集车进行日常工程作业或运输作业时，根据地图采集任务触发进行常态化地图构建，将所检测出的所有道路边界信息进行存储和上传。
进一步，所述车载-高精地图采集构建装置包括如下模块：
(1)时间同步模块，根据激光雷达点云和组合惯导数据的时间戳，对组合惯导数据进行插值，实现点云和组合惯导数据时间同步，同时用组合惯导数据对点云进行运动去畸变处理，去除由于车快速运动导致的点云畸变误差；
(2)语义分割模块，使用PolarNet模型对点云进行深度学习语义分割，将点云分割为不同类别；连续多帧点云语义进行权值判断，确认同一位置最终的语义标签类别；根据语义分割的类别，滤除障碍物目标点，提取地面、挡墙类别的静态目标点；
(3)坐标转换模块，组合导航系统输出车辆坐标系经纬度高程和姿态角，将组合导航输出的经纬度和高程数据，转换为UTM坐标系下对应数值；通过对激光雷达-组合惯导进行标定得到旋转矩阵R和平移矩阵T，联合组合导航的UTM坐标值，将目标点云数据转换到UTM坐标系下；
(4)点云栅格化模块，对UTM坐标系下的目标点云进行栅格化投射，如果在一个栅格单元中有两个及其以上的点落入，选择高程最低的数据点，如果没有点落入该栅格，则搜索该栅格单元的八邻域，选择离其最近点的高程作为该栅格单元高程；
(5)灰度图生成模块，每一个栅格内点云都对应着实地的高程值，将不同的高程值按照下式进行灰度量化:
Gi＝(Zi-Zmin)/(Zmax-Zmin)*255
其中，Gi为栅格应点高程量化后的灰度值，其范围在0～255之间；
(6)边界提取模块，使用中值滤波对灰度图像进行去噪处理，并采用Canny边缘检测算子对道路边界进行提取，将边界点数据进行存储；
(7)增量数据判断模块，将新检测边界点与本地已存储的边界点在栅格中进行对比，若连续新检测边界点数目>阈值Nthr1，则该边界位置已有道路边界发生变化，新检测边界点写入增量数据包；若栅格中存在连续新旧点高度差|ΔH|>Hthr，且连续点数目>阈值Nthr2，则该边界位置已有道路边界发生变化，新检测边界点写入增量数据包；若本地未有已存储边界信息，则默认为首次进行地图采集，直接跳转至轻量级地图压缩模块；
(8)轻量级地图压缩模块，使用轮廓线提取对语义分割生成的高精语义地图进行压缩：首先，将生成的语义地图映射到鸟瞰图上，每个像素表示一个网格；其次，提取每个语义组的轮廓，将轮廓点保存下来。
本发明与现有技术相比所具有的有益效果：
(1)通过多地图采集模式及采集车辆多元化，其中地图采集模式包括增量地图采集模式与全量地图采集模式；提升地图采集制作效率、保证高精度地图数据的有效鲜度。
(2)增量地图数据的自动识别与判断，将新检测边界点与本地已存储的边界点在栅格中进行对比，在网络带宽相同条件下，实现车-云之间的增量数据传输。
(3)提出一种轻量级地图压缩模块，由等高线有效地表示高精地图。将生成的语义映射到球面坐标系，拉伸为深度图，深度图的每个像素表示一个网格；再通过提取每个语义组的轮廓，将轮廓点保存下来，以压缩原有特征进行数据上传。
附图说明
图1是本发明实施例的众包建图装置的示意图。
图2是本发明实施例的轻量级地图压缩处理的示意图。
具体实施方式
下面结合附图对本发明进行详细描述。
图1为本发明所述的露天矿区地图众包采集及构建装置，该装置包括以下组成：
1)云平台-高精地图服务装置
该部分包括如下模块：
(1)生产作业任务状态监测模块，对推土机、挖掘机的工程作业任务及矿卡的运输任务进行目标读取与状态监控，为采集业务构建模块提供必要的作业区域、作业时间、作业车辆、作业状态等数据信息。
(2)地图采集状态监测模块，对地图采集车辆的采集状态信息进行监测，提供必要的采集开始时间、车辆位置信息、采集状态等数据信息。
(3)采集业务构建模块，进行地图采集任务及模式设定，完成采集任务构建及下发。
采集任务触发形式有以下两种：
a、工程作业任务触发
根据推土机、挖掘机的工程作业调度任务，自行匹配工程车量的作业时间及区域，自动进行采集区域、采集时间及采集车辆设定，当工程作业车辆响应工程作业任务时，自动触发地图采集业务构建(默认为增量采集模式)。
b、区域众包任务触发
人工圈定目标采集区域，设定采集车辆(默认配备车载高精地图采集构建装置的车辆进入该区域即响应采集任务)、采集时间、采集模式(默认为增量采集模式)，采集业务构建模块依据设定生成地图采集电子围栏区域，待车辆途径电子围栏设定区域时，平台自动下发地图采集开始指令；车辆驶离电子围栏后，平台自动下发地图采集结束指令，车载-高精地图采集构建装置自动上传增量地图数据。
采集模式对应以下两种模式：
a、增量采集模式
地图采集车进行日常工程作业或运输作业时，根据地图采集任务触发进行常态化地图构建与增量数据判断，当车载高精地图采集构建装置识别出部分区域存在道路边界发生变化时，将增量数据包进行上传，同时记录对应的采集车辆、采集时间、采集区域等信息。
b、全量采集模式
地图采集车进行日常工程作业或运输作业时，根据地图采集任务触发进行常态化地图构建，将所检测出的所有道路边界信息进行存储和上传。
(4)高精地图存储及管理模块，接收车载-高精地图采集构建装置上传的全量或增量地图数据，可实现新版全量地图数据及增量数据与原有地图数据的有效融合与替代，满足终版地图数据的版本生成与管理。
(5)高精地图服务模块，根据高精地图消费端需求，将指定版本地图数据向消费端完成地图数据定向传输。
2)车载-高精地图采集构建装置
该部分包括如下模块：
(1)时间同步模块，根据激光雷达点云和组合惯导数据的时间戳，对组合惯导数据进行插值，实现点云和组合惯导数据时间同步，同时用组合惯导数据对点云进行运动去畸变处理，去除由于车快速运动导致的点云畸变误差。
(2)语义分割模块，使用PolarNet模型对点云进行深度学习语义分割，将点云分割为不同类别，包括矿车、工程车辆、行人、地面、挡墙及其他类别等；连续多帧点云语义进行权值判断，确认同一位置最终的语义标签类别；根据语义分割的类别，滤除矿车、工程车辆、行人等障碍物目标点，提取地面、挡墙类别的静态目标点。
(3)坐标转换模块，组合导航系统输出车辆坐标系经纬度高程和姿态角，将组合导航输出的经纬度和高程数据，转换为UTM坐标系下对应数值；通过对激光雷达-组合惯导进行标定得到旋转矩阵R和平移矩阵T，联合组合导航的UTM坐标值，将目标点云数据转换到UTM坐标系下。
(4)点云栅格化模块，对UTM坐标系下的目标点云进行栅格化投射，如果在一个栅格单元中有两个及其以上的点落入，选择高程最低的数据点，如果没有点落入该栅格，则搜索该栅格单元的八邻域，选择离其最近点的高程作为该栅格单元高程。
(5)灰度图生成模块，每一个栅格内点云都对应着实地的高程值，将不同的高程值按照下式进行灰度量化:
Gi＝(Zi-Zmin)/(Zmax-Zmin)*255
其中，Gi为栅格应点高程量化后的灰度值，其范围在0～255之间。
(6)边界提取模块，使用中值滤波对灰度图像进行去噪处理，并采用Canny边缘检测算子对道路边界进行提取，将边界点数据进行存储。
(7)增量数据判断模块，将新检测边界点与本地已存储的边界点在栅格中进行对比，若连续新检测边界点数目>阈值Nthr1，则该位置已有道路边界发生变化，新检测边界点写入增量数据包；若栅格中存在连续新旧点高度差|ΔH|>Hthr，且连续点数目>阈值Nthr2，则该位置已有道路边界发生变化,新检测边界点写入增量数据包；若本地未有已存储边界信息，则默认为首次进行地图采集，直接跳转至下一模块。
(8)轻量级地图压缩模块，因为基于语义分割生成的高精地图可以由轮廓线有效表示，所以本方法使用轮廓线提取来对地图进行压缩。如图2所示，首先，将生成的语义地图映射到鸟瞰图上，每个像素表示一个网格；其次，提取每个语义组的轮廓，将轮廓点保存下来。
1.语义地图生成
首先将训练集每帧点云映射到骨干网络DarkNet中，进行三次下采样特征提取，三次上采样恢复分辨率，并将相同大小的特征图进行融合，最终输出单帧点云每个点的类别信息。类别信息分别有运输车辆、工程车辆、小汽车、行人、道路以及其他类别，在构建地图时，将动态障碍物类别点云删除，保留道路及其他类别的点云。根据GPS运动轨迹距离对关键帧进行提取，同时输入的每帧点云由语义分割模型进行推理，得到语义点云。关键帧语义点云通过标定外参与GPS-IMU输入数据获取旋转平移矩阵{T1，...，Ti}，通过旋转平移矩阵将所有关键帧语义点云转换到世界坐标系下，然后使用边缘特征与平面特征进行关键帧之间的匹配，优化初始旋转平移矩阵参数。将所有关键帧叠加，下采样即可生成高精语义地图。
2.语义地图映射BEV图
首先，将点云语义地图Map在三维空间内垂直于高度方向的平面上投影，投影后将语义BEV地图进行网格划分，每个网格表示一个像素，根据点云类别对像素内轮廓边缘进行提取，保存为轮廓线，语义地图可简单的由轮廓线表示。
(9)完成增量数据判断后/全量边界提取及轻量级地图压缩后，将边界数据信息上传至云平台高精地图存储及管理模块(当最终车端接收到压缩后的映射时，语义映射将从等高线点上进行解压缩)。
3)众包地图采集车
(1)推土机
在露天矿山，推土机的主要功能是修筑道路、清理场地、清理道路落石等，其中与无人运输系统紧密相关的功能为修整排土工作线、清理装载区。推土机作为排土线的构造者，通过车载-高精地图采集构建装置的有效搭载及应用，可及时获取排土场内最新的边界信息数据。
(2)挖掘机
在露天矿山，挖掘机的主要功能是采掘、装载矿石或岩土。挖掘机作为装载区的边界开拓者，通过车载-高精地图采集构建装置的有效搭载及应用，可及时获取装载区内最新的边界信息数据。
(3)矿卡
在露天矿无人驾驶运输系统中，矿用卡车作为无人运输系统的核心被控对象，完成无人驾驶作业区内的各类运输作业。通过车载-高精地图采集构建装置的有效搭载及广泛应用，可及时获取矿卡无人驾驶作业区内丰富的道路边界信息数据。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护。

Claims (6)

1.一种露天矿区地图众包采集及构建装置，其特征在于，包括云平台-高精地图服务装置、车载-高精地图采集构建装置、众包地图采集车；
所述云平台-高精地图服务装置用于进行地图采集任务的构建及下发，以及对所述众包地图采集车的生产任务状态及地图采集状态进行监测，接收所述车载-高精地图采集构建装置上传的全量或增量地图数据，实现新版全量地图数据及增量数据与原有地图数据的融合与替代，并根据高精地图消费端需求进行地图数据定向传输；
所述车载-高精地图采集构建装置接收所述众包地图采集车的激光雷达和组合惯导采集的激光雷达点云数据、组合惯导数据，依次进行时间同步、点云语义分割、坐标转换、点云栅格化、生成灰度图、边界提取、增量数据判断以及轻量级地图压缩，将边界数据上传至所述云平台-高精地图服务装置；
所述众包地图采集车搭载所述车载-高精地图采集构建装置，在露天矿区进行生产作业及地图数据采集。
2.根据权利要求1所述的露天矿区地图众包采集及构建装置，其特征在于，所述众包地图采集车包括推土机、挖掘机和矿卡：
(1)推土机，用于修整排土工作线、清理装载区，采集排土场内最新的边界信息数据；
(2)挖掘机，用于采掘、装载矿石或岩土，采集装载区内最新的边界信息数据；
(3)矿卡，用于在无人驾驶作业区内进行运输作业，采集无人驾驶作业区内最新的边界信息数据。
3.根据权利要求2所述的露天矿区地图众包采集及构建装置，其特征在于，所述云平台-高精地图服务装置包括如下模块：
(1)生产作业任务状态监测模块，对推土机、挖掘机的工程作业任务及矿卡的运输任务进行目标读取与状态监控，为采集业务构建模块提供作业区域、作业时间、作业车辆、作业状态数据信息；
(2)地图采集状态监测模块，对地图采集车辆的采集状态信息进行监测，提供采集开始时间、车辆位置信息、采集状态数据信息；
(3)采集业务构建模块，进行地图采集任务及模式设定，完成采集任务构建及下发；
(4)高精地图存储及管理模块，接收所述车载-高精地图采集构建装置上传的全量或增量地图数据，实现新版全量地图数据及增量数据与原有地图数据的有效融合与替代，进行终版地图数据的版本生成与管理；
(5)高精地图服务模块，根据高精地图消费端需求，将指定版本地图数据向消费端完成地图数据定向传输。
4.根据权利要求3所述的露天矿区地图众包采集及构建装置，其特征在于，所述采集业务构建模块的采集任务触发形式有两种：
a、工程作业任务触发：根据推土机、挖掘机的工程作业调度任务，自行匹配工程车量的作业时间及区域，自动进行采集区域、采集时间及采集车辆设定，当工程作业车辆响应工程作业任务时，自动触发地图采集业务构建；
b、区域众包任务触发：人工圈定目标采集区域，设定采集车辆、采集时间、采集模式，采集业务构建模块依据设定生成地图采集电子围栏区域，待车辆途径电子围栏设定区域时，平台自动下发地图采集开始指令；车辆驶离电子围栏后，平台自动下发地图采集结束指令，车载-高精地图采集构建装置自动上传增量地图数据。
5.根据权利要求4所述的露天矿区地图众包采集及构建装置，其特征在于，所述采集模式包括以下两种模式：
a、增量采集模式：地图采集车进行日常工程作业或运输作业时，根据地图采集任务触发进行常态化地图构建与增量数据判断，当车载高精地图采集构建装置识别出部分区域存在道路边界发生变化时，将增量数据包进行上传，同时记录对应的采集车辆、采集时间、采集区域数据信息；
b、全量采集模式：地图采集车进行日常工程作业或运输作业时，根据地图采集任务触发进行常态化地图构建，将所检测出的所有道路边界信息进行存储和上传。
6.根据权利要求5所述的露天矿区地图众包采集及构建装置，其特征在于，所述车载-高精地图采集构建装置包括如下模块：
(1)时间同步模块，根据激光雷达点云和组合惯导数据的时间戳，对组合惯导数据进行插值，实现点云和组合惯导数据时间同步，同时用组合惯导数据对点云进行运动去畸变处理，去除由于车快速运动导致的点云畸变误差；
(2)语义分割模块，使用PolarNet模型对点云进行深度学习语义分割，将点云分割为不同类别；连续多帧点云语义进行权值判断，确认同一位置最终的语义标签类别；根据语义分割的类别，滤除障碍物目标点，提取地面、挡墙类别的静态目标点；
(3)坐标转换模块，组合导航系统输出车辆坐标系经纬度高程和姿态角，将组合导航输出的经纬度和高程数据，转换为UTM坐标系下对应数值；通过对激光雷达-组合惯导进行标定得到旋转矩阵R和平移矩阵T，联合组合导航的UTM坐标值，将目标点云数据转换到UTM坐标系下；
(4)点云栅格化模块，对UTM坐标系下的目标点云进行栅格化投射，如果在一个栅格单元中有两个及其以上的点落入，选择高程最低的数据点，如果没有点落入该栅格，则搜索该栅格单元的八邻域，选择离其最近点的高程作为该栅格单元高程；
(5)灰度图生成模块，每一个栅格内点云都对应着实地的高程值，将不同的高程值按照下式进行灰度量化:
Gi＝(Zi-Zmin)/(Zmax-Zmin)*255
其中，Gi为栅格应点高程量化后的灰度值，其范围在0～255之间；
(6)边界提取模块，使用中值滤波对灰度图像进行去噪处理，并采用Canny边缘检测算子对道路边界进行提取，将边界点数据进行存储；
(7)增量数据判断模块，将新检测边界点与本地已存储的边界点在栅格中进行对比，若连续新检测边界点数目>阈值Nthr1，则该边界位置已有道路边界发生变化，新检测边界点写入增量数据包；若栅格中存在连续新旧点高度差|ΔH|>Hthr，且连续点数目>阈值Nthr2，则该边界位置已有道路边界发生变化，新检测边界点写入增量数据包；若本地未有已存储边界信息，则默认为首次进行地图采集，直接跳转至轻量级地图压缩模块；
(8)轻量级地图压缩模块，使用轮廓线提取对语义分割生成的高精语义地图进行压缩：首先，将生成的语义地图映射到鸟瞰图上，每个像素表示一个网格；其次，提取每个语义组的轮廓，将轮廓点保存下来。
CN202310234273.1A 2023-03-13 2023-03-13 一种露天矿区地图众包采集及构建装置 Pending CN116222593A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310234273.1A CN116222593A (zh) 2023-03-13 2023-03-13 一种露天矿区地图众包采集及构建装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310234273.1A CN116222593A (zh) 2023-03-13 2023-03-13 一种露天矿区地图众包采集及构建装置

Publications (1)

Publication Number Publication Date
CN116222593A true CN116222593A (zh) 2023-06-06

Family

ID=86589016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310234273.1A Pending CN116222593A (zh) 2023-03-13 2023-03-13 一种露天矿区地图众包采集及构建装置

Country Status (1)

Country Link
CN (1) CN116222593A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117073664A (zh) * 2023-10-18 2023-11-17 中国科学院自动化研究所 一种露天矿山道路地形建图方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117073664A (zh) * 2023-10-18 2023-11-17 中国科学院自动化研究所 一种露天矿山道路地形建图方法
CN117073664B (zh) * 2023-10-18 2024-02-20 中国科学院自动化研究所 一种露天矿山道路地形建图方法

Similar Documents

Publication Publication Date Title
US10846874B2 (en) Method and apparatus for processing point cloud data and storage medium
CN108345822B (zh) 一种点云数据处理方法及装置
CN110648389A (zh) 基于无人机和边缘车辆协同的城市街景3d重建方法和系统
EP4186230A1 (en) Drivable surface identification techniques
CN110163930A (zh) 车道线生成方法、装置、设备、系统及可读存储介质
CN114842438A (zh) 用于自动驾驶汽车的地形检测方法、系统及可读存储介质
CN110298311B (zh) 路面积水检测方法及装置
CN113593017A (zh) 露天矿地表三维模型构建方法、装置、设备及存储介质
CN105139434B (zh) 露天矿山道路网自动构建方法及系统
US20220163346A1 (en) Method and apparatus for generating a map for autonomous driving and recognizing location
KR102414307B1 (ko) 3d 맵의 변경 구역 업데이트 시스템 및 그 방법
CN116222593A (zh) 一种露天矿区地图众包采集及构建装置
Leizerovych et al. IoT-complex for monitoring and analysis of motor highway condition using artificial neural networks
CN113593022A (zh) 一种用于矿山无人驾驶场景的高精地图制作方法
CN114359494A (zh) 一种矿区三维地图采集更新方法及系统
Pradhan et al. Laser scanning systems in highway and safety assessment
Quackenbush et al. Road extraction: A review of LiDAR-focused studies
CN112418081B (zh) 一种空地联合快速勘察交通事故的方法及系统
US20220146277A1 (en) Architecture for map change detection in autonomous vehicles
CN117576652A (zh) 道路对象的识别方法、装置和存储介质及电子设备
CN117372991A (zh) 基于多视角多模态融合的自动驾驶方法及系统
KR20220071112A (ko) 자율 주행을 위한 지도 생성 및 관리 방법 그리고 이를 이용한 위치 인식 방법 및 장치
CN114659513A (zh) 一种面向非结构化道路的点云地图构建与维护方法
CN115830254A (zh) 地图更新方法、装置、无人车以及系统
CN115423958A (zh) 一种基于视觉三维重建的矿区可行驶区域边界更新方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination